Calculadora de intervalo de confiança - média e proporção
Calcule intervalos de confiança para uma média populacional a partir de estatísticas da amostra ou dados brutos
Informe a média amostral, o desvio padrão e o tamanho da amostra — ou forneça dados brutos — para calcular intervalos de confiança em 90%, 95% ou 99%.
Calculadora de intervalo de confiança - média e proporção
Calcule intervalos de confiança para uma média populacional a partir de estatísticas da amostra ou dados brutos
Sobre a calculadora de intervalo de confiança
Um intervalo de confiança (IC) é uma faixa de valores que provavelmente contém o verdadeiro parâmetro populacional — mais comumente a média populacional — com um nível de confiança específico. Os intervalos de confiança estão entre as ferramentas mais usadas na estatística inferencial, pois permitem quantificar a incerteza das estimativas e comunicar a precisão com clareza.
A fórmula para um intervalo de confiança da média populacional (quando o desvio padrão populacional é desconhecido e o tamanho da amostra é razoavelmente grande) é: CI = x̄ ± z* × (s / √n), em que x̄ é a média amostral, s é o desvio padrão amostral, n é o tamanho da amostra e z* é o valor crítico da distribuição normal padrão correspondente ao nível de confiança escolhido. Para um IC de 95%, z* = 1.96; para 90%, z* ≈ 1.645; para 99%, z* ≈ 2.576.
O termo s / √n é chamado de erro-padrão da média (EP). Ele mede o quanto a média amostral é esperada para variar de amostra para amostra. Um tamanho de amostra maior reduz o EP, produzindo um intervalo mais estreito e preciso. A margem de erro (ME) é z* × EP; o limite inferior do IC é x̄ − ME e o superior é x̄ + ME.
Interpretar corretamente um intervalo de confiança é importante. Um IC de 95% NÃO significa que há 95% de probabilidade de a média verdadeira estar dentro deste intervalo específico. Em vez disso, significa que, se você repetisse o mesmo procedimento de amostragem muitas vezes e calculasse um IC a cada vez, aproximadamente 95% desses intervalos conteriam a média verdadeira. A confiança está no procedimento, não em um único intervalo.
Os intervalos de confiança são usados em ensaios clínicos para relatar efeitos de tratamento, em pesquisas para informar margens de erro, em controle de qualidade para monitorar médias de processo e em qualquer estudo científico em que seja necessária estimativa a partir de uma amostra. Esta calculadora usa a distribuição z (aproximação normal), que é precisa para amostras grandes (n ≥ 30) ou quando a distribuição populacional é aproximadamente normal. Para amostras pequenas de distribuições desconhecidas, um intervalo baseado na distribuição t seria mais apropriado.
Exemplos
A tabela abaixo mostra cálculos de intervalo de confiança para cenários estatísticos típicos.
| Entradas | IC 95% | Contexto |
|---|---|---|
| x̄=75, s=5, n=100, 95% CI | (74.02, 75.98) | Notas de alunos — amostra grande |
| x̄=250, s=10, n=50, 99% CI | (246.36, 253.64) | Peso de produto em gramas — alta confiança |
| data: 22,25,21,24,23,26,20, 90% CI | (21.66, 24.34) | Temperaturas diárias — pequeno conjunto de dados brutos |
| x̄=35, s=8, n=200, 95% CI | (33.89, 36.11) | Tempo médio de entrega em minutos |
Como usar a calculadora de intervalo de confiança
- Escolha “Estatísticas resumidas” se você já tiver a média amostral, o desvio padrão e o tamanho da amostra; ou escolha “Dados brutos” para inserir valores individuais.
- Selecione o nível de confiança: 90% (z=1.645), 95% (z=1.96) ou 99% (z=2.576). Níveis mais altos produzem intervalos mais largos.
- Para estatísticas resumidas, informe a média amostral (x̄), o desvio padrão amostral (s ≥ 0) e o tamanho da amostra (n ≥ 2). Para dados brutos, insira números separados por vírgulas ou espaços.
- Clique em “Calcular” para ver os limites do intervalo, a margem de erro e o erro-padrão.
- Interprete o resultado: o intervalo (limite inferior, limite superior) é uma faixa que captura a média populacional verdadeira com o nível de confiança escolhido sob amostragem repetida.
Perguntas frequentes
O que significa um intervalo de confiança de 95%?
Um IC de 95% significa que, se você repetisse o mesmo procedimento de amostragem muitas vezes e calculasse um intervalo de confiança a cada vez, aproximadamente 95% desses intervalos conteriam a média populacional verdadeira. Isso não significa que há 95% de chance de a média verdadeira estar neste intervalo específico — uma vez calculado, o intervalo ou contém a média verdadeira ou não.
O que é margem de erro?
A margem de erro (ME) é metade da largura do intervalo de confiança: ME = z* × (s / √n). Ela quantifica a diferença máxima esperada entre a média amostral e a média populacional verdadeira no nível de confiança escolhido. Reduzir a ME exige um tamanho de amostra maior, um desvio padrão menor (menos variabilidade nos dados) ou aceitar um nível de confiança mais baixo.
Devo usar distribuição z ou t?
Use a distribuição z (como esta calculadora faz) quando o tamanho da amostra for grande (n ≥ 30) ou quando o desvio padrão populacional for conhecido. Use a distribuição t quando n < 30 e o desvio padrão populacional for desconhecido, porque a distribuição t tem caudas mais pesadas e leva em conta a incerteza extra de estimar o desvio padrão a partir de uma amostra pequena.
Como o tamanho da amostra afeta o intervalo de confiança?
Ao aumentar o tamanho da amostra n, o erro-padrão (s / √n) diminui e, portanto, o intervalo de confiança fica mais estreito. Por exemplo, dobrar o tamanho da amostra reduz a margem de erro por um fator de √2 ≈ 1.41. É por isso que pesquisas com amostras grandes (por exemplo, n=1000) têm margens de erro pequenas (~3% a 95%), enquanto estudos-piloto com n=20 podem ter intervalos muito amplos.
E se meus dados não forem normalmente distribuídos?
O Teorema Central do Limite garante que a distribuição das médias amostrais se aproxima da normal à medida que n aumenta, independentemente da distribuição populacional. Para n ≥ 30, o intervalo baseado em z geralmente é confiável. Para amostras pequenas com distribuições fortemente assimétricas ou com caudas pesadas, considere intervalos bootstrap ou intervalos baseados em t, ambos mais robustos.
Posso calcular um intervalo de confiança para uma proporção?
Sim, mas a fórmula é diferente. Para uma proporção amostral p̂ em n tentativas, o IC de Wald é p̂ ± z* × √(p̂(1−p̂)/n). Esta calculadora foi criada para a média. Para proporções — como estimar a fração de eleitores que apoiam um candidato — use uma ferramenta dedicada a intervalos de confiança de proporções. O intervalo de Wilson geralmente é preferível ao de Wald para amostras pequenas ou proporções próximas de 0 ou 1.